登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 理工学类 > 电气工程及其自动化 > 正文

基于全卷积网络的人脸分割开题报告

 2022-01-11 17:11:53  

全文总字数:3877字

1. 研究目的与意义及国内外研究现状

face parsing是进行人脸识别的一个关键步骤,只有明确的分割出所需要的人脸区域,才能进行有关的下一步操作。face parsing之后的图像不仅能应用于人脸识别,还可以在化妆技术和脸谱变换等技术上进行运用,所以face parsing便成为当代满足人们需求的一个重要基础。

物体分类是计算机视觉的一大重要研究方向,其目的是对图片整体进行分类。而当我们想进一步对图片的局部进行分类时,便需要进行物体检测。当我们想更进一步,对图片中的每个像素进行分类时,我们便进入了一个更加细致的领域,那就是像素级的语义分割,这会使得图片中的每个像素都标上对应的类别。到此,我们能够知道,从物体分类到物体检测,再到语义分割,任务的粒度越来越细。本论文中所要介绍的主要内容便是三者中最为细致的语义分割。对于face parsing而言,它作为像素级语义理解的一个方面而存在,在计算机视觉的世界中,赋予了机器对人脸进行换妆的能力,其通过细粒度分割的方式,将面部的不同区域在像素级剥离开来,从而将换妆的过程简化为寥寥数笔。根据face parsing的结果,我们可以将指定的美妆产品应用于图片,最终得到美妆的结果。具体来说,在得到face parsing结果后我们将选择的化妆产品应用于相应的区域。有了这一系统,我们可以在不用手动化妆、卸妆的情况下尝试不同的妆容效果。

通过face parsing,不仅可以在智能美妆上发挥作用,还能够在妆容迁移和人脸老化这两个工作上一展拳脚。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容

本论文中的face parsing基于全卷积网络(简称fcn),fcn对图像进行像素级分类,从而解决了语义级别的face parsing问题。

与经典的cnn相比,在卷积层之后使用全连接层得到固定长度的特征向量进行分类不同,fcn可以接受任意尺寸的输入图像,采用反卷积层对最后一个卷积层的特征图进行上采样, 使它恢复到与输入图像相同的尺寸,从而可以对每个像素都产生一个预测。

同时fcn保留了原始输入图像中的空间信息, 在上采样的特征图上进行像素分类。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 实施方案、进度安排及预期效果

实施方案:利用caffe框架进行fcn的测试和训练,从网络找到人脸相关的database,编程语言运用python和matlab,利用caffe与这两个软件产生接口,并在服务器上进行训练,以此来进行实验。

进度方案:先进行相关基础知识的了解和学习,然后熟悉caffe的结构框架,查阅相关fcn训练和测试教程,查找较为合适的人脸数据集,结合自身的实际情况来进行毕业设计。

预期效果:首先顺利进行caffe的编译,与python和matlab产生接口,然后,顺利的在windows下进行数据集的训练,最后,能够较好地对人脸图像进行分割。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

[1]jonathan long,evan shelhamer,trevor darrell.fully convolution networks for semantic sgmentation[d].usa:uc berkeley,2015.

[2]周志华.机器学习[m].北京: 清华大学出版社, 2016.

[3]zhen wei,yao sun,jinqiao wang,hanjiang lai,si liu.learning adaptive receptive fields for deep image parsing network[j].in ieee conference on computer vision and pattern recognition,cvpr 2017,pages 3947-3955,2017.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图